驯服视觉先验：数据高效的mmWave信道建模
计算机视觉与模式识别
2026-03-17 v1 网络与互联网体系结构
摘要
准确建模毫米波（mmWave）传播对于实时AR和自主系统至关重要。可微分射线追踪提供了基于物理的解决方案，但仍面临对充满信道测量的过度依赖或场景模型中 brittle、人工调谐材料属性的问题。我们提出VisRFTwin，一个可扩展且数据高效的数字孪生框架，将视觉派生的材料先验与可微分射线追踪集成。多视角图像由冻结的视觉-语言模型处理，提取稠密语义嵌入，再转化为场景表面介电常率和电导率的初始估计。这些先验初始化Sionna-based可微分射线追踪器，通过仅少量稀疏信道声学即可通过梯度下降快速校准材料参数。一旦校准，视觉特征与材料参数之间的关联将被保留，使可快速迁移到新场景而无需重复校准。评估包括办公室室内、城市峡谷和动态公共空间等三个真实场景，显示VisRFTwin通过梯度下降将信道测量需求降低最高可达 ，并以 的较低中位数时延展布差异优于纯数据驱动深度学习方法。
引用
@article{arxiv.2603.13383,
title = {Taming Vision Priors for Data Efficient mmWave Channel Modeling},
author = {Zhenlin An and Longfei Shangguan and John Kaewell and Philip Pietraski and Jelena Senic and Camillo Gentile and Nada Golmie and Kyle Jamieson},
journal= {arXiv preprint arXiv:2603.13383},
year = {2026}
}